טיפול בגליובלסטומה באולטרסאונד: איפה ה-AI נכנס

מספיק נתון אחד כדי להבין למה כולם מתעניינים בגליובלסטומה: ברוב המקרים זו אחת ממחלות הסרטן האגרסיביות ביותר במוח, והטיפול בה עדיין נשען על שילוב לא פשוט של ניתוח, הקרנות וכימותרפיה—עם תוצאות מוגבלות.

ופה מגיעה התפתחות ישראלית שמסקרנת במיוחד: Lotus Neuro, חברה חדשה שיצאה מ-Insightec, מתמקדת בטיפול בגידולי מוח באמצעות אולטרסאונד ממוקד שמסוגל לפתוח זמנית ובדיוק גבוה את מחסום הדם–מוח (BBB)—ה”שער” שמגן על המוח, אבל גם מונע מתרופות להגיע אליו.

בסדרה שלנו על בינה מלאכותית בתחום הבריאות והביוטכנולוגיה, הסיפור הזה חשוב משתי סיבות: הראשונה היא רפואית—שיפור מסירת תרופות לגידול. השנייה היא טכנולוגית־עסקית—המעבר ממכשור רפואי לפיתוח תרפיות הוא מקום שבו AI יכול להפוך ניסוי קליני לסיפור הצלחה, או להיתקע שנים על ״כמעט״.

למה מחסום הדם–מוח הוא הבעיה שמכתיבה את כל המשחק

התשובה הישירה: מחסום הדם–מוח הוא הסיבה המרכזית לכך שטיפולים רבים עובדים היטב בגוף—אבל מגיעים למוח בכמות לא מספקת.

ה-BBB הוא מנגנון הגנה חיוני שמונע חדירה של רעלנים, פתוגנים וחלקיקים לא רצויים למוח. הבעיה? הוא גם חוסם חלק גדול מהתרופות, כולל מולקולות ביולוגיות מסוימות וטיפולים מתקדמים.

בגליובלסטומה המשמעות פרקטית: גם אם יש תרופה מבטיחה, להביא אותה בדיוק למקום הנכון, בזמן הנכון ובמינון הנכון זו משימה קשה. וכשכבר מצליחים—לעיתים קרובות האפקט לא אחיד בתוך הגידול.

פתיחה זמנית של ה-BBB באולטרסאונד ממוקד

הטכנולוגיה שמגיעה מ-Insightec (מוכרת מהמערכת Exablate) מאפשרת אולטרסאונד ממוקד בהנחיית MRI כדי לפתוח את המחסום זמנית ובאזור ממוקד.

המשפט שאפשר לצטט ממנו בקלות הוא גם הכי מדויק: אם אפשר “לפתוח חלון” למחסום הדם–מוח לכמה שעות—אפשר לתכנן טיפול תרופתי שמגיע למוח אחרת לגמרי.

החדש כאן הוא לא רק ה״פתיחה״, אלא גם הדיוק והיכולת לבצע זאת בצורה נשלטת, מדידה וחוזרת.

מה בעצם Lotus Neuro מנסה לבנות—ולמה זה שונה ממה ש-Insightec עושה

התשובה הישירה: Lotus Neuro לא באה “למכור מכשיר”, אלא לפתח תרפיות שמשלבות אולטרסאונד + תרופה (קומבינציה).

Insightec מוכרת בעיקר כפלטפורמת מכשור רפואי עם ניסיון קליני מוכח בטיפולים נוירולוגיים (כמו רעד ראשוני ופרקינסון), וגם שימושים מסוימים בגידולי מוח. ספין-אאוט כמו Lotus Neuro מאפשר להפריד בין שני עולמות:

• חברת פלטפורמה ומכשור: רגולציה, התקנה בבתי חולים, פרוטוקולים קליניים אחידים.
• חברת פיתוח תרפיות: ניסויים קליניים מורכבים, בחירת תרופות/ביולוגיות, אסטרטגיית שותפויות עם פארמה.

זו החלטה עסקית חכמה בעיניי: פיתוח תרופה (או קומבינציה) דורש קצב, סיכון ומבנה תמריצים שונים לגמרי ממכירת מכשור.

ההקשר הישראלי: יתרון של “קליניקה קרובה למעבדה”

בישראל יש צפיפות יחסית גבוהה של מרכזים רפואיים, חוקרים, יחידות ניסויים קליניים וחברות מכשור/ביוטק. כשזה עובד—המעבר מתובנה קלינית למוצר מהיר יותר.

Lotus Neuro נולדת מתוך ניסיון קליני שכבר הצטבר, כולל תובנות מניסוי שבו בכלל חיפשו משהו אחר.

מהניסוי LIBERATE לביופסיה נוזלית—ואז לטיפול

התשובה הישירה: ניסוי LIBERATE הראה שאולטרסאונד בעוצמה נמוכה יכול לאפשר מעבר של חומר גנטי מהגידול לדם—וכך לתמוך בביופסיה נוזלית ובניטור מחלה.

בניסוי שהחל ב-2022, נבדקה האפשרות להשתמש באולטרסאונד ממוקד כדי “לשחרר” חומר מהגידול למחזור הדם, מה שמאפשר:

• אבחון ומעקב ללא פרוצדורות פולשניות חוזרות
• הערכה דינמית של תגובה לטיפול
• פוטנציאל להתאמת טיפול אישית

הטוויסט המסחרי־מדעי: אם אפשר להשפיע על מעבר חומרים החוצה, אפשר לכוון את אותו עיקרון גם פנימה—כלומר לשפר חדירת תרופות לגידול.

וזה בדיוק המקום שבו Lotus Neuro נכנסת: לפתח פרוטוקולים של אולטרסאונד + תרופה קיימת (ואולי גם תרופות חדשות), עם מדדים ברורים של חדירה, אפקט קליני ובטיחות.

איפה בינה מלאכותית יכולה לשפר טיפול באולטרסאונד לגידולי מוח

התשובה הישירה: AI יכול להפוך טיפול מבוסס אולטרסאונד ממוקד ליותר מדויק, יותר מותאם אישית, ויותר יעיל בניסויים קליניים—בעיקר דרך תכנון, ניטור ואופטימיזציה בזמן אמת.

זה לא “AI במקום רופא”. זה AI שמטפל בשלוש בעיות קשות: שונות בין מטופלים, מורכבות פרוטוקולים, והצורך להוכיח יעילות מהר.

1) תכנון פרוטוקול לפי MRI ומאפייני גידול

מודלים של למידת מכונה יכולים לנתח MRI רב־רצפי (ואפילו היסטוריה קלינית) כדי להציע:

• אזורי יעד אופטימליים לפתיחת BBB
• עוצמות, תדירות וזמני פולסים מתאימים
• תזמון נכון ביחס למתן התרופה

במילים פשוטות: פחות “פרוטוקול אחד לכולם”, יותר רפואה מותאמת אישית.

2) ניטור בטיחות בזמן אמת

טיפול באולטרסאונד ממוקד דורש בטיחות גבוהה: לא רוצים פגיעה ברקמות בריאות, דימום מיקרוסקופי או בצקת.

AI יכול לעזור בזיהוי מוקדם של סימנים מחשידים מתוך:

• אותות MRI בזמן הטיפול
• פרמטרים פיזיקליים של המערכת
• נתונים פיזיולוגיים תומכים

התוצאה העסקית חשובה לא פחות מהרפואית: פחות חריגות בטיחות = ניסוי קליני יותר יציב = סיכוי גבוה יותר להגיע לשלב מתקדם.

3) מדידה טובה יותר של “האם התרופה באמת נכנסה”

אחת הנקודות הכואבות באונקולוגיה של המוח היא מדידה. לא מספיק להגיד “פתחנו BBB”. צריך להראות תוצאה:

• סמנים בדם (למשל דנ״א של גידול בזרם הדם)
• שינויים בהדמיה
• מדדי תפקוד נוירולוגיים
• תוצאים קליניים (כמו זמן עד התקדמות)

AI יכול לבצע פיוז’ן של נתונים ולהציע מדד משוקלל שמנבא תגובה מוקדמת. זה כלי קריטי, כי בניסויים בגליובלסטומה הזמן יקר.

4) בחירת מטופלים לניסוי (והפחתת כישלונות)

כאן אני נוקט עמדה ברורה: רוב החברות מפסידות לא בגלל שאין טכנולוגיה טובה, אלא בגלל עיצוב ניסוי לא נכון.

AI יכול לשפר סלקציה לניסוי לפי:

• סוגי מוטציות/פרופיל מולקולרי
• מיקום הגידול וחדירותו
• טיפולים קודמים
• מאפייני הדמיה שמנבאים תגובה

זה לא קסם—זה סטטיסטיקה טובה יותר ותכנון חכם יותר.

מה המשמעות ליזמים, מנהלי חדשנות ומשקיעים בישראל

התשובה הישירה: Lotus Neuro מסמנת מגמה: ישראל ממשיכה לייצר יתרון דווקא בצומת של מכשור רפואי, ביוטק ו-AI—אבל כדי להפוך זאת להכנסות צריך לחשוב “תרפיה” ולא רק “טכנולוגיה”.

הספין-אאוט נתמך על ידי Nexus NeuroTech Ventures—קרן שמכירה את Insightec מהשקעות קודמות (כולל תקופה מאתגרת פיננסית). זה רמז חשוב: המשקיע כאן לא רק מממן, אלא גם מכוון מהלך של מיצוי ערך מטכנולוגיה שכבר הוכיחה בסיס קליני.

3 לקחים פרקטיים למי שבונה מוצר AI בבריאות

1. אל תתחילו מהמודל—תתחילו מהקליניקה. מה המדד שהרופא צריך? מה נקודת ההחלטה?
2. הוכחת ערך בניסוי קליני דורשת מדידה קשוחה. הגדירו מראש Endpoints שניתנים לחילוץ עקבי.
3. תכננו רגולציה כארכיטקטורה, לא כטופס. אם AI נוגע בפרוטוקול טיפול, צריך תיעוד, בקרה, ולוגים מהיום הראשון.

משפט שאפשר לקחת לישיבת הנהלה: בבריאות, AI שלא מתוכנן סביב ניסוי קליני הוא הוצאה—לא נכס.

לאן זה הולך ב-2026: קומבינציות, דאטה ושותפויות פארמה

התשובה הישירה: ההזדמנות הגדולה של Lotus Neuro תהיה להראות שפתיחת BBB משפרת באופן מדיד תוצאות של תרופות קיימות—ואז להפוך לשותפה טבעית של חברות פארמה.

אם הייתי צריך להמר על תרחיש ריאלי לשנה הקרובה (2026):

• נראה יותר ניסויים של אולטרסאונד + תרופות אונקולוגיות קיימות
• נראה יותר שימוש בביומרקרים בדם כדי למדוד תגובה מוקדמת
• נראה לחץ גובר להציג פרוטוקולים ניתנים לשכפול בין מרכזים רפואיים

הנקודה שמחברת הכל לסדרה שלנו: כמות הדאטה שנוצרת מטיפול מונחה MRI היא מכרה זהב ל-AI, אבל רק אם בונים אותה נכון—סטנדרטיזציה, אנוטציה, ומסגרת קלינית.

צעד הבא למי שרוצה להיות חלק מהגל הבא בבריאות

Lotus Neuro מזכירה למה התחום הזה לא שייך רק למדענים או לרופאים. הוא שייך גם למי שיודע לחבר בין רגולציה, דאטה, אלגוריתמיקה ופרוטוקול קליני אמיתי.

אם אתם מנהלי חדשנות בבית חולים, יזמים בביוטק, או צוותי דאטה בבריאות—זה זמן טוב לשאול: איפה אתם יכולים לשבת על הצומת של בינה מלאכותית בתחום הבריאות והביוטכנולוגיה ולתת ערך שנמדד בתוצאים קליניים, לא רק בדמו?

ואם הייתם צריכים לבחור נקודה אחת להתחיל ממנה כבר השבוע—מה יותר חסר לכם: גישה לנתונים קליניים איכותיים, שותף ניסויי, או מודל עסקי שמבין איך נראה טיפול אמיתי?